第二十五天 正则表达式

正则表达式

---

正则表达式是对字符串操作的⼀种逻辑公式，就是⽤事先定义好的⼀些特定字符、及这些特定字符的组合，组成⼀个“规则字符串”，这个“规则字符串”⽤来表达对字符串的⼀种过滤逻辑。

• 需要引⼊内置模块re
• 缺点：效率低下，能⽤字符串⽅法完成尽量使⽤字符串的⽅法
• 优点：编码简单

1.为什么使⽤正则表达式

---

• 使⽤场景
  • 敏感词过滤
  • ⼿机、邮箱等验证
  • 爬⾍

2.正则表达式的组成

---

• 原⼦ 组成正则表达式的最⼩单位，任何字符都可以

原子	含义	原子	含义
\d	0-9中任何⼀个字符 [0-9]	\w	0-9a-zA-Z的中任何⼀个字符 [0-9a-zA-Z]
\D	⾮0-9中的任何⼀个字符[^0-9]	\W	⾮0-9a-zA-Z_的中任何⼀个字符[^0-9a-zA_Z]
\s	\n\r\t 空格	.	代表除\n之外的任何字符
\S	⾮\n\r\t 空格中任何⼀个字符[^\n\t\r ]	\b	词边界
[]	⾃⼰创建的原⼦表，[0-4]代表0-4中任何⼀个字符	\B	⾮词边界
[^]	排除原⼦表中的字符	\A	字符串开始
^	⾏⾸；在原⼦表中表示排除	\Z	字符串的结尾
$	⾏结尾	-	表示域，0-9就表示0到9所有数字字符
[\u4e00-\u9fa5]	匹配纯中⽂

• 量词 量词能够增强原⼦的描述能⼒

量词	含义	量词	含义
{}	表示重复前⼀个原⼦的次数	*	重复0次或多次{0,}
{m}	表示重复前⼀个原⼦的m次	+	⾄少出现1次{1,}
{m,n}	表示重复前⼀个原⼦的最少m次，最多n次	?	出现0次或1次{0,1}
{m,}	表示重复前⼀个原⼦的最少m次	*？，+？	取消贪婪
()	改变优先级，取⼦元素	x|y	表示匹配x或者y

• 模式修正符

修饰符	含义	修饰符	含义
re.S	使.匹配所有字符	re.I	不区分⼤⼩写
re.L	本地化识别	re.M	多⾏匹配
re.U	根据Unicode字符集解析字符，会影响\b、\B、\w、\W

注意：

• 模式字符串⼀定要使⽤原⽣字符串，也就是⽤r开头的字符串。r’www’
• 严格区分⼤⼩写
• 如果正则表达式中有{，}，[,],-,?,*,|^,$,.等做普通字符，则要将其转义

3.正则常⽤⽅法

---

• re.match()

原型：re.match(pattern,string,flags=0)
功能：从字符串起始位置匹配⼀个模式，如果不是从起始位置匹配则返回None
参数：patter 模式
	string 要匹配的字符串
	flag 模式修正符
返回值： 匹配成功返回⼀个Match object，失败返回None

print(re.match(r'www','www.baidu.com'))
print(re.match(r'www','http:///www.baidu.com')) #None
print(re.match(r'www','cctv.www.baidu.com')) #None
ret = re.search(r'(abc)+', 'xxxabcabcabcdef')
print(ret.group(0)) # abcabcabc 匹配整个表达式
print(ret.group(1)) # abc 第⼀次匹配到的结果
print(ret.span()) # (3, 12) 开始和结束位置
print(ret.groups()) # 表示当正则表达式⾥有多个分组时，多个分组的匹配
结果

• re.search()

原型：re.search(pattern, string, flags=0)
功能：顺序扫描字符串，找到第.个匹配项结束
参数：patter 模式
	string 要匹配的字符串
	flag 模式修正符
返回值：匹配成功，返回match object，否则返回None

print(re.search(r'll','hello'))
print(re.search(r'll','heLLo',re.I))

• re.findall()

原型：findall(pattern, string, flags=0)
功能：扫描整个字符串，并返回结果列表
参数：patter: 匹配的正则表达式
	string: 要匹配的字符串
	flags:模式修正符
返回值：如果匹配成功返回⼀个列表，包含了所有匹配项，失败返回空列表
print(re.findall(r'oo','kksdkoosdflsdfooksdfsdoOppppweOo',re.I))
#['oo', 'oo', 'oO', 'Oo']

• re.split

原型：split(pattern